Chinesische Wissenschaftler lassen Roboter sofort denken und beschleunigen so die Entwicklung der Siliziumphotonik

Neuerheit in photonischen neuromorphen Berechnungen

Wissenschaftler der Xidian University haben den ersten vollständig optischen „neuromorphen“ Chip entwickelt, der mit Verstärkungslernen ohne Umwandlung von Signalen in elektrischen Strom trainiert werden kann. Dieses Ereignis markiert den Übergang von linearen photonischen Spike-Netzwerken zu nichtlinearen Transformationen – ein entscheidender Schritt für praktische Anwendungen.

Warum das wichtig ist
- Keine Konvertierung: Die Umwandlung von Photonen in Elektronen und zurück verursacht Energie- und Zeitverluste. In Echtzeitsystemen (Robotik, Autopiloten) können solche Verzögerungen zu Ausfällen oder sogar Unfällen führen.
- Sichere Interaktion von Robotern mit Menschen: Universelle photonische Chips eröffnen den Weg zu zuverlässigeren und energieeffizienteren Intelligenzsystemen.

Drei gelöste Probleme
1. Vorhandensein großer Arrays nichtlinearer Spike-Neuronen mit niedriger Aktivierungsschwelle – jetzt können Neuronen dichter platziert werden.
2. Vollständig programmierbare Chips – zuvor waren sie „hart“ (hardwareprogrammierte).
3. Photonisches Verstärkungslernen – nun realisiert dank neuer Architektur.

Architektur des Prototyps
Komponente | Beschreibung
16‑kanaler photonischer Chip | Enthält 272 trainierbare Parameter, basiert auf einer 16×16 Mosaik-Mach-Zehnder‑Interferometermatrix.
Chip mit Lasern und Rückkopplung | Nutzt einen saturierbaren Absorber für niedrige Schwelle nichtlinearer Spike-Aktivierung.
Hardware‑Software‑Framework | Erst wird es im Softwarepaket trainiert, dann auf Chips übertragen und anschließend unter Berücksichtigung hardwarebezogener Besonderheiten weitertrainiert.

Testen
- CartPole (Stabbalancieren) – Genauigkeit fast identisch mit dem softwarebasierten Modell (Abfall 1,5 %).
- Pendulum (Pendellauf) – Abfall 2 %.
- Auf beiden Aufgaben betrug die Rechenlatenz nur 320 Pikosekunden.

Effizienz
Typ | Energieverbrauch | Dichte
Linear | 1,39 TOPS/W | 0,13 TOPS/mm²
Nichtlinear | 987,65 GOPS/W | 533,33 GOPS/mm²

Diese Zahlen platzieren das photonische System im GPU-Klassenzweig hinsichtlich Energieeffizienz (≈1 TOPS/W) und Dichte (0,1–0,5 TOPS/mm²), nutzen jedoch ausschließlich Lichtverarbeitung und vermeiden Konvertierungsverluste.

Perspektiven
- Autonomes Fahren
- Intelligente Roboter
- Periphere Berechnungen mit extrem niedriger Latenz und minimalem Energieverbrauch

Zukünftig soll der Chip auf 128 Kanäle skaliert werden, um komplexere Aufgaben (neuromorphe autonome Navigation) zu lösen und kompakte hybridintegrierte photonische neuromorphe Geräte zu entwickeln.

Zusammenfassend eröffnet die Entwicklung einen neuen Weg zu energieeffizienter KI basierend auf Lichtimpulsen, was die Ansätze in Robotik und autonomen Systemen grundlegend verändern könnte.